带噪声的高斯过程模型：ValueError：nugget必须是标量或长度为n_samples的数组

Question

我正在使用带噪声的高斯过程构建分类模型 - 我不明白为什么失败时会出现值错误

我有一个大约10％的数据集标记为1或0的目标。我试图预测其他90％的概率为1.

我已经使用sklearn将标记的集合拆分为训练集和测试集。

X是feature_training，它是一个np.array     X.shape     （54.9）

y是feature_target，它是一个np.array     y.shape     （54.1）

两者都是浮点数，噪音计算如下：

dy = 0.5 + 1.0 * np.random.random(y.shape)
noise = np.random.normal(0, dy)
y = (y + noise)

y.shape
(54,1)

nugget的类型是numpy.ndarray和shape（54,1）

在我使用的高斯过程模型中 -

gp = GaussianProcess(corr='squared_exponential', theta0=1e-1,
                 thetaL=1e-3, thetaU=1,
                 nugget=(dy / y) ** 2,
                 random_start=100)

gp.fit(X, y) 

失败，原因是：ValueError：nugget必须是标量或长度为n_samples的数组

似乎X，y，nugget都是numpy.ndarray类型和正确的形状。我认为nugget的长度为n_samples（54），所以它应该具有相同的长度。

有什么明显的东西让我失踪吗？

Answer 1

您的y必须是形状(n,)的矢量，而不是形状(n,1)的数组。您可以使用

解决此问题

y = y.reshape((len(y),)